Strategic Information Systems Enabling Strategy-as-Practice and Corporate Performance: Empirical Evidence from PLS-PM, FIMIX-PLS and fsQCA
Notice bibliographique
Résumé
Many studies have been investigating how IS (information systems) can help build a corporate performance, but there are less research investigating how IS contributing to performance by mediating business strategy in uncertain environments. To address this question, the present study seeks to empirically explore the relationship between strategic information systems and corporate performance by mediating business strategy. Partial Least Squares-Path Modeling (PLS-PM) confirmed SIS's strong influence on strategy, and full strategy mediation on the relationship between SIS and performance. SIS showed greater performance contribution in high heterogeneity environments than in lower ones, and small and medium-sized firms have 50% more contribution of the effects of strategy on performance than large firms. The post-hoc-analysis study did not identify the presence of heterogeneity segmentation not observed by Finite Mixture (FIMIX-PLS). Through fuzzy set qualitative comparative analysis (fsQCA), non-linear causality was verified in the strategy in certain solutions by the variables of large firms, with intensive use of SIS and high environmental heterogeneity. Moreover, the study demonstrated that SIS’s strategic alignment has strong effects and explanation power on performance and may suggest that it is an indissociable resource for the strategy-as-practice effectiveness. Hence, the study contributed to understanding how SIS create value to strategy-as-practice approach under environmental turbulence to impact corporate performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,013 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».